Articoli più recenti per Scoperta di farmaci

Un nuovo modo di progettare molecole basato sugli effetti cellulari.

PocketXMol unisce approcci molecolari per un miglior design dei farmaci e analisi molecolare.

Gli aggiornamenti di DeepChem rendono più facile per gli scienziati generare nuove molecole.

Presentiamo SimpleSBDD, un metodo che semplifica la scoperta di farmaci ottimizzando l'affinità di legame.

Il computer quantistico potrebbe rivoluzionare la ricerca chimica e le simulazioni.

Un nuovo metodo per generare peptidi con input di sequenza singola migliora la scoperta di farmaci.

Questo studio mostra come i GPCR e le proteine G interagiscono, fondamentale per capire i bersagli dei farmaci.

I metodi di intelligenza artificiale stanno cambiando il modo in cui gli scienziati prevedono le proprietà molecolari per diverse applicazioni.

Un nuovo modello, XPaiNN, migliora le previsioni nella chimica quantistica usando approcci di machine learning.

Scopri come HTS e machine learning plasmano la ricerca sulle proteine.

I principi FAIR migliorano la gestione dei dati e la collaborazione nella ricerca scientifica.

BALM usa l'apprendimento automatico per migliorare l'accuratezza nella scoperta di farmaci.

Hot2Mol genera molecole mirate per interrompere interazioni proteiche dannose.

Esplorando come la struttura dei grafi influisce sulle previsioni nei grafi di conoscenza biomedica.

Uno sguardo ai metodi più recenti nel calcolo dell'energia libera per ottenere migliori intuizioni chimiche.

La ricerca mostra promettente nell'usare i LLM per generare molecole simili a farmaci.

Esplorando la fusione tra machine learning e meccanica molecolare per simulazioni migliori.

PharmacoMatch utilizza il machine learning per migliorare l'efficienza dello screening dei farmacofori.

Esplorando come l'AI generativa sta plasmando il futuro della chimica.

XMOL ottimizza più proprietà molecolari contemporaneamente, migliorando chiarezza ed efficienza.

Nuovo metodo migliora l'efficienza del campionamento usando funzioni energetiche.

Uno sguardo ai microbiomi e alla loro importanza per la salute attraverso la metagenomica.

Le A-GFN usano atomi per creare nuove molecole simili a farmaci, migliorando la scoperta di farmaci.

L'IA sta cambiando il modo in cui i ricercatori creano cellule virtuali per studiare i processi biologici.

I residui ionizzabili influenzano la funzione delle proteine e la scoperta di farmaci grazie alle loro proprietà di carica.

Formule di prodotto corrette migliorano l'accuratezza nelle simulazioni di sistemi quantistici.

Nuovo framework migliora il machine learning concentrandosi su motivi molecolari e dati testuali.

GATher migliora la previsione dei bersagli farmacologici usando tecnologia grafica avanzata.

Esplorare l'importanza delle strutture G4 nella medicina e nella scoperta di farmaci.

Un nuovo metodo per migliorare le GNN nella analisi molecolare.

Un nuovo approccio nella progettazione di farmaci migliora la comprensione della flessibilità delle proteine.

Esaminando l'importanza delle interazioni proteina-ligando nelle previsioni dei modelli.

EMERALD-ID aiuta gli scienziati a identificare piccole molecole nelle immagini cryoEM.

TACS aiuta gli scienziati a creare molecole stabili con proprietà desiderate.

Nerpa 2 collega i gruppi di geni ai peptidi, migliorando la scoperta di farmaci.

Un nuovo metodo migliora la previsione delle proprietà molecolari usando SMILES.

PeptideCLM migliora la scoperta di farmaci peptidici prevedendo le proprietà in modo preciso.

Il machine learning quantistico unisce il calcolo quantistico e la scoperta di farmaci per soluzioni più efficienti.

I ricercatori sviluppano modelli potenti per analizzare le immagini delle cellule e aiutare nella scoperta di farmaci.

Nuovi sistemi migliorano i dati sulle interazioni proteina-ligando per una progettazione migliore dei farmaci.